[發(fā)明專利]一種音色篩選方法及裝置

有效

• 申請?zhí)枺?/td>: 201910291775.1
• 申請日: 2019-04-11
• 公開（公告）號: CN110085209B
• 公開（公告）日: 2021-07-23
• 發(fā)明（設計）人: 徐波
• 申請（專利權）人: 廣州多益網絡股份有限公司;廣東利為網絡科技有限公司;多益網絡有限公司
• 主分類號: G10L13/047
• 分類號: G10L13/047;G10L17/14;G10L17/04
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

本發(fā)明公開了一種音色篩選方法及裝置，包括：根據若干個發(fā)音人的音頻數據獲取相應的音頻向量集合；其中，音頻向量集合中的每一個音頻向量對應一個發(fā)音人標簽；音頻向量包含發(fā)音人的音色特征；根據預設的聚類算法對音頻向量集合進行聚類，獲得聚類結果；根據發(fā)音人標簽對聚類結果中的每一個簇類進行簇標簽標記；根據標記結果將聚類結果中的簇標簽相同的簇類進行合并，獲得合并聚類結果；其中，合并聚類結果中的簇類的數量與發(fā)音人的數量相同；計算獲得合并聚類結果中的每一個簇類的錯誤率，并根據錯誤率對發(fā)音人的音色進行篩選。采用本發(fā)明能夠解決多發(fā)音人語音合成系統中音色篩選過程繁瑣的問題，節(jié)約時間成本和人工成本。

技術領域

本發(fā)明涉及語音合成技術領域，尤其涉及一種音色篩選方法及裝置。

背景技術

在多發(fā)音人的語音合成系統中，發(fā)音人音色的差異性不同，有些發(fā)音人音色的差異性較大，有些發(fā)音人音色的差異性較小，語音合成系統難以區(qū)分音色相似的發(fā)音人，而音色相似的發(fā)音人對應的音頻數據通常會相互影響，并在最終合成語音時輸出混合了音色相似的發(fā)音人的音色特征的不自然音頻，影響合成語音的音色質量。

為了保證合成語音的音色質量，通常的解決方式是人工試聽所有發(fā)音人的音頻進行篩選，但是，當發(fā)音人的數量較多時，人工試聽所耗費的時間較長，人工成本較大，篩選過程繁瑣。

發(fā)明內容

本發(fā)明實施例所要解決的技術問題在于，提供一種音色篩選方法及裝置，能夠解決多發(fā)音人語音合成系統中音色篩選過程繁瑣的問題，節(jié)約時間成本和人工成本。

為了解決上述技術問題，本發(fā)明實施例提供了一種音色篩選方法，包括：

根據若干個發(fā)音人的音頻數據獲取相應的音頻向量集合；其中，所述音頻向量集合中的每一個音頻向量對應一個發(fā)音人標簽；所述音頻向量包含發(fā)音人的音色特征；

根據預設的聚類算法對所述音頻向量集合進行聚類，獲得聚類結果；

根據所述發(fā)音人標簽對所述聚類結果中的每一個簇類進行簇標簽標記；

根據標記結果將所述聚類結果中的簇標簽相同的簇類進行合并，獲得合并聚類結果；其中，所述合并聚類結果中的簇類的數量與發(fā)音人的數量相同；

計算獲得所述合并聚類結果中的每一個簇類的錯誤率，并根據所述錯誤率對發(fā)音人的音色進行篩選。

進一步地，所述根據所述發(fā)音人標簽對所述聚類結果中的每一個簇類進行簇標簽標記，具體包括：

對于任意一個簇類，根據所述發(fā)音人標簽對所述簇類中的音頻向量的數量進行分類統計；

根據統計結果將數量最多的音頻向量對應的發(fā)音人標簽作為所述簇類的簇標簽。

進一步地，所述計算獲得所述合并聚類結果中的每一個簇類的錯誤率，并根據所述錯誤率對發(fā)音人的音色進行篩選，具體包括：

對于任意一個簇類，根據所述發(fā)音人標簽對所述簇類中的音頻向量的數量進行分類統計；

根據統計結果以及所述簇類的簇標簽計算獲得不屬于所述簇類的音頻向量對應的錯誤率；

比較所述錯誤率與預設的錯誤率閾值的大小；

當所述錯誤率小于所述錯誤率閾值時，將所述簇類中的音頻向量作為音色篩選結果。

進一步地，在所述計算獲得所述合并聚類結果中的每一個簇類的錯誤率，并根據所述錯誤率對發(fā)音人的音色進行篩選之后，所述方法還包括：

對于所述音色篩選結果中的任意一個簇類，將所述簇類中與所述簇類的簇標簽相同的發(fā)音人標簽所對應的音頻向量存儲到預設的發(fā)音人音頻向量庫中；其中，所述發(fā)音人音頻向量庫用于為語音合成系統提供音色合格的發(fā)音人音頻向量。